KOMPUTASI NUMERIK

AKAR-AKAR PERSAMAAN
PERSAMAAN NONLINIER
Bahan Kuliah
Mhs. Program Studi Teknologi
Bioproses -FTUI
Pendahuluan
Akar-akar suatu persamaan dari suatu fungsi
x sebenarnya adalah harga x yang membuat
f(x) = 0.
Sebelum kemajuan komputer, menyelesaikan
suatu akar persamaan menggunakan metode
analitis dan grafik.
Analitis f(x) = x
2
- 4x x
2
- 4x = 0
x(x-4) = 0
x
1
= 0 atau x
2
= 4
Jumlah Akar
Bila f(x
i
) dan f(x
u
) mempunyai tanda yang
sama, maka jumlah akar biasanya
merupakan bilangan genap.
Jumlah Akar
Bila f(x
i
) dan f(x
u
) mempunyai tanda yang
berbeda, maka jumlah akar biasanya
merupakan bilangan ganjil.
Jumlah Akar
Meskipun generalisasi ini biasanya benar,
tetapi ada kasus tertentu dimana suatu fungsi
mempunyai akar kembar atau fungsi tersebut
diskontinu.
Pendahuluan
Berapa akar dari suatu f(x) = e
-x
-x ?
Dengan analitis sulit tetapi masih
bisa diselesaikan dengan metode
grafik, dengan cara:

x f(x)
0 1
0,2 0,6187
0,3 0,4408
1 -0,632
Metode Pendekatan Mencari
Akar Persamaan
Metode Tertutup (Metode Akolade)
Metode Grafik (selang bisa ditentukan lebih kecil
dari manual)
Metode Bisection (Metode bagi dua)
Metode Regulafalsi (Interpolasi Linier)
Metode Terbuka
Metode Secant
Metode Newton Raphson
Metode Tertutup (Akolade)
Metode ini sering disebut metode
terkurung/tertutup karena membutuhkan dua
tebakan awal untuk menentukan akar suatu
f(x).
Dua tebakan harus mengapit akarnya, berarti
harus ditentukan sebelum akar dan setelah
akar
Dalam metode akolade, grafik fungsi harus
digambar secara kasar.
Metode Grafik
Metode paling sederhana untuk memperoleh
tafsiran akar suatu f(x) dengan membuat
grafik dari fungsi tersebut dan kemudian
mengamati berapa nilai x yang menyebabkan
f(x) berharga 0.
Jika selang dari tiap perubahan nilai x
ditentukan semakin kecil, maka akan
menghasilkan nilai yang semakin teliti.
Metode Grafik (Ex.)
Ingin dicari suatu akar dari f(x) = e
x
- 2 - x
2
Tebakan awal x
0
= 0,5 dan x
1
= 1,5 dan
selangnya (Ax) = 0,5
x f(x)
0,5 0,60128
1 0,28172
1,5 0,23169
Metode Grafik (Ex.)
Tebakan awal x
0
= 0,5 dan x
1
= 1,5 dan
selangnya (Ax) = 0,25

x f(x)
0,5 0,60128
0,75 0,4455
1 0,28172
1,25 0,07216
1,5 0,23169
Metode Grafik (Ex.)
Tebakan awal x
0
= 0,5 dan x
1
= 1,5 dan
selangnya (Ax) = 0,2
x f(x)
0,5 0,60128
0,7 0,47625
0,9 0,3504
1,1 0,20583
1,3 0,02070
1,5 0,23169
Dengan selang Ax = 0,25, akarnya
adalah x = 1,25.
Dengan selang Ax = 0,2, akarnya
adalah x = 1,3. Dengan selang ini
lebih teliti karena menghasilkan f(x)
yang nilainya lebih dekat dengan 0.
Metode Bisection (Bagi Dua)
Syarat: f(x) real/nyata dan kontinu dalam
interval x
i
s/d x
u
, dimana f(x
i
) dan f(x
u
)
berbeda tanda sehingga f(x
i
).f(x
u
) < 0
Metode ini digunakan untuk menentukan
salah satu akar dari f(x).
Dasar dari metode bagi 2 adalah metode
carian inkremental.
Metode Carian Inkremental
Proses dimulai dengan menentukan sebuah interval
dimana fungsi tersebut bertukar tanda. kemudian
penempatan perubahan tanda dari akar ditandai
lebih teliti dengan cara membagi interval tersebut
menjadi sejumlah subinterval (pada metode bagi 2,
pencarian subintervalnya dengan cara membagi
dua). Setiap subinterval dicari untuk menempatkan
perubahan tanda. Proses tersebut diulangi dengan
subinterval yang semakin lama semakin kecil hingga
dicapai suatu proses konvergensi
Algoritma Metode Bisection
1. Pilih harga x
i
yaitu harga x yang terendah
dan x
u
yaitu harga x yang tertinggi, agar
fungsi berubah tanda sepanjang interval
tersebut sehingga f(x
i
).f(x
u
) < 0
2. Taksiran pertama akar sebut dengan x
r

ditentukan oleh:
2
u i
r
x x
x
+
=
Algoritma Metode Bisection
3. Evaluasi harga x
r
untuk menentukan
subinterval mana yang akan memuat harga
akar dengan cara sebagai berikut
Jika f(x
i
).f(x
r
) < 0, akar terletak pada subinterval
pertama, maka x
u
baru = x
r
.
Jika f(x
i
).f(x
r
) > 0, akar terletak pada subinterval
kedua, maka x
i
baru = x
r
.
Jika f(x
i
).f(x
r
) = 0, maka proses komputasi
berhenti dan akarnya = x
r
.
Algoritma Metode Bisection
4. Buat taksiran akar baru = x
r
baru dari


5. Putuskan apakah taksiran baru cukup
akurat dengan kebutuhan yaitu biasanya |c
a
|
s |c
s
| yang ditentukan. Jika ya hentikan
komputasi, jika tidak kembali lagi ke
evaluasi.
2
u i
r
x x
x
+
=
Metode Bisection (Ex.)
f(x) = e
x
2 x
2
, cari akarnya dengan
metode bisection dimana x
i
= 0.5; x
u
= 1.5;
c
s
= 1%
Metode Bisection (Ex.)
Langkah 1:
1. x
i
= 0,5; x
u
= 1,5; f(x
i
) = 0,60128; f(x
u
) = 0,23169
2.

3. f(x
r
) = 0,28172
f(x
i
).f(x
r
) = (0,60128).(0,28172) > 0
maka x
i
baru = 1
4.

5.
1
2
5 , 1 5 , 0
2
=
+
=
+
=
u i
r
x x
x
25 , 1
2
5 , 1 1
2
=
+
=
+
=
u i
r
x x
x
% 20 % 100
25 , 1
1 25 , 1
= -

=
a
c
Metode Bisection (Ex.)
Langkah 2:
3. f(x
r
) = f(1,25) = 0,07216
f(x
i
).f(x
r
) = (0,28172).(0,07216) > 0
maka x
i
baru = 1,25
4.

5.
375 , 1
2
5 , 1 25 , 1
2
=
+
=
+
=
u i
r
x x
x
% 1 , 9 % 100
375 , 1
25 , 1 375 , 1
= -

=
a
c
Metode Bisection (Ex.)
Langkah 3:
3. f(x
r
) = f(1,375) = 0,06445
f(x
i
).f(x
r
) = (0,07216).(0,06445) < 0
maka x
u
baru = 1,375
4.

5.
3125 , 1
2
375 , 1 25 , 1
2
=
+
=
+
=
u i
r
x x
x
% 76 , 4 % 100
3125 , 1
375 , 1 3125 , 1
= -

=
a
c
Metode Bisection (Ex.)
Langkah 4:
3. f(x
r
) = f(1,3125) = 0,0072
f(x
i
).f(x
r
) = (0,07216).(0,0072) > 0
maka x
i
baru = 1,3125
4.

5.
34375 , 1
2
375 , 1 3125 , 1
2
=
+
=
+
=
u i
r
x x
x
% 3 , 2 % 100
34375 , 1
3125 , 1 34375 , 1
= -

=
a
c
Metode Bisection (Ex.)
Langkah 5:
3. f(x
r
) = f(1,3125) = 0,0072
f(x
i
).f(x
r
) = (0,0072).(0,0277) > 0
maka x
i
baru = 1,34375
4.

5.
328125 , 1
2
34375 , 1 3125 , 1
2
=
+
=
+
=
u i
r
x x
x
% 176 , 1 % 100
328125 , 1
34375 , 1 328125 , 1
= -

=
a
c
Metode Bisection (Ex.)
Langkah 6:
3. f(x
r
) = f(1,328125) = 0,010
f(x
i
).f(x
r
) = (0,0072).(0,010) < 0
maka x
u
baru = 1,328125
4.

5.
3203 , 1
2
1,328125 3125 , 1
2
=
+
=
+
=
u i
r
x x
x
% 59 , 0 % 100
3203 , 1
328125 , 1 3203 , 1
= -

=
a
c
Metode Bisection (Ex.)
Iterasi x
r
|c
a
| %
1 1
2 1,25 20
3 1,375 9,1
4 1,3125 4,76
5 1,34375 2,3
6 1,328125 1,176
7 1,3203 0,59
Jika c
s
= 1 %,
maka akarnya
adalah x = 1,3203
Metode Bisection
Kelemahan:
Membagi interval dengan subinterval dengan
membagi 2 tanpa ada perhitungan mengenai f(x
i
)
dan f(x
u
) yang mana sebenarnya yang lebih
mendekati akarnya
Metode Regulafalsi
Yang membedakan antara metode
Regulafalsi dan Bisection dalam menentukan
sebuah akar dari suatu fungsi adalah dalam
menentukan besarnya x
r
.



Penentuan pergantian besarnya subinterval
tetap dipengaruhi oleh f(x
i
).f(x
r
).
( )( )
( ) ( )
u i
u i u
u r
x f x f
x x x f
x x

=
Metode Regulafalsi (Ex.)
Tentukan salah satu akar dari metode
Regulafalsi dalam suatu fungsi f(x) = e
x
2
x
2
, dimana x
i
= 0,5; x
u
= 1,5; c
s
= 1% !
Metode Regulafalsi (Ex.)
Langkah 1
1. x
i
= 0,5; xu = 1,5;
f(x
i
) = f(0,5) = 0,60128; f(x
u
) = f(1,5) = 0,23169
2.

3. f(x
r
) = f(1,2219) = 0,0994
f(x
i
).f(x
r
) = (0,60128).(0,09941) > 0
maka x
i
baru = 1,2219; f(x
i
) = 0,09941
4.

5.
( )
( )( )
( ) ( )
2219 , 1
23169 , 0 60128 , 0
5 , 1 5 , 0 23169 , 0
5 , 1 =


=
r
x
( )
( )( )
( ) ( )
3054 , 1
23169 , 0 09941 , 0
5 , 1 2219 , 1 23169 , 0
5 , 1 =


=
r
x
% 397 , 6 % 100
3054 , 1
2219 , 1 3054 , 1
= -

=
a
c
Metode Regulafalsi (Ex.)
Langkah 2:
3. f(x
r
) = f(1,3054) = 0,014905
f(x
i
).f(x
r
) = (0,09941).(0,014905) > 0
maka x
i
baru = 1,3054; f(x
i
) = 0,014905
4.


5.
( )
( )( )
( ) ( )
31716 , 1
23169 , 0 014905 , 0
5 , 1 3054 , 1 23169 , 0
5 , 1 =


=
r
x
% 8928 , 0 % 100
31716 , 1
3054 , 1 31716 , 1
= -

=
a
c
Metode Regulafalsi (Ex.)
Iterasi x
r
c
a
%
1 1,2219
2 1,3054 6,397
3 1,31716 0,8928
Dari hasil ini ternyata metode Regulafalsi lebih cepat
konvergen, daripada Bisection, tetapi belum tentu teliti. Hal
ini dibuktikan dengan c
a
dari kedua metode. Untuk x
r
=
1,3203; c
a
= 0,59 pada metode Bisection, sedangkan pada
metode Regulafalsi x
r
= 1,31716; c
a
= 0,8928 (c
a
Bisection <
c
a
Regulafalsi)
Metode Terbuka
Hanya membutuhkan sebuah harga tunggal
dari x untuk harga awalnya atau 2 harga x
tetapi tidak perlu harus mengurung akar.
Metode ini berbeda dengan metode tertutup
yang memerlukan 2 harga awal dan harus
dalam posisi mengapit atau mengurung akar
Metode Newton-Raphson
1. Tentukan harga awal x
i
.
2. Garis singgung terhadap f(x
i
) akan
diekstrapolasikan ke bawah pada sumbu x
untuk memberikan sebuah taksiran akar
pada x
i+1
, sehingga x
i+1
dirumuskan:
( )
( )
i
i
i i
x f
x f
x x
'
=
+1
Kelemahan Newton -Raphson
Harus menentukan turunan dari f(x)
Karena kita menentukan titik awal hanya 1,
maka sering didapatkan/ditemukan akar yang
divergen. Hal ini disebabkan karena
Dalam menentukan x
i
yang sembarang ternyata
dekat dengan titik belok sehingga f(x
i
) dekat
dengan 0, akibatnya

menjadi tidak terhingga/tak tentu sehingga x
i+1

semakin menjauhi akar yang sebenarnya
( )
( )
i
i
i i
x f
x f
x x
'
=
+1
Kelemahan Newton -Raphson
Kalau x
i
dekat dengan titik ekstrim/puncak maka
turunannya dekat dengan 0, akibatnya x
i+1
akan
semakin menjauhi akar sebenarnya
Kadangkadang fungsi tersebut tidak punya akar
tetapi ada penentuan harga awal, sehingga
sampai kapanpun tidak akan pernah ditemukan
akarnya.
Saran
Disarankan sebelum menentukan titik awal
dilakukan sketsa grafik terlebih dahulu.
Konvergen kesalahan semakin lama semakin
kecil
Divergen kesalahan semakin lama semakin
besar
Metode Newton-Raphson (Ex.)
Hitung salah satu akar dari f(x) = e
x
2 x
2

pada titik awal 1,5; c
s
= 1 %

Metode Newton-Raphson (Ex.)
Langkah 1
1. x
i
= 1.5 ; f(x
i
) = 0,23169
f(x
i
) = e
x
2x f(1.5) = 1.4817

2.

3.


% 64 , 11 % 100
3436 , 1
5 , 1 3436 , 1
3436 , 1
4817 , 1
23169 , 0
5 , 1
1
= -

=
= =
+
a
i
x
c
Metode Newton-Raphson (Ex.)
Langkah 2
1. x
i
= 1.3436 ; f(x
i
) = 0,027556
f(x
i
) = e
x
2x f(1.3436) = 1.145617

2.

3.


% 8228 , 1 % 100
319547 , 1
3436 , 1 319547 , 1
319547 , 1
145617 , 1
027556 , 0
3436 , 1
1
= -

=
= =
+
a
i
x
c
Metode Newton-Raphson (Ex.)
Langkah 3
1. x
i
= 1.319547 ; f(x
i
) = 0.0085217
f(x
i
) = e
x
2x f(1.319547) = 1.102632

2.

3.


% 036 , 0 % 100
319074 , 1
319547 , 1 319074 , 1
319074 , 1
102632 , 1
0085217 , 0
319547 , 1
1
= -

=
= =
+
a
i
x
c
Metode Newton-Raphson (Ex.)
Iterasi x
i+1
c
a
%
1 1.3436 11.64
2 1.319547 1.8228
3 1,319074 0,036
Jadi akar dari f(x) = e
x
2 x
2
adalah x = 1,319074
Metode Secant
Kelemahan dari metode Newton Raphson
adalah evaluasi nilai turunan dari f(x), karena
tidak semua f(x) mudah dicari turunannya.
Suatu saat mungkin saja ditemukan suatu
fungsi yang sukar dicari turunannya. Untuk
menghindari hal tersebut diperkenalkan
metode Secant.
Metode Secant
Metode Secant memerlukan 2 tebakan awal
yang tidak harus mengurung/ mengapit akar
Yang membedakan antara metode Secant
dan Newton-Raphson dalam menentukan
sebuah akar dari suatu fungsi adalah dalam
menentukan besarnya x
i+1
.




( )( )
( ) ( )
i i
i i i
i i
x f x f
x x x f
x x

+
1
1
1
Metode Secant (Ex.)
Hitung salah satu akar dari f(x) = e
x
2 x
2

dengan tebakan awal 1.4 dan 1.5; c
s
= 1 %
Metode Secant (Ex.)
Langkah 1
1. x
i-1
= 1,5 f(xi-1) = 0,2317
x
i
= 1.5 ; f(x
i
) = 0,2317

2.

f(x
i+1
) = 0,0125

3.
( ) ( )
( ) ( )
3303 , 1
2317 , 0 0952 , 0
5 , 1 4 , 1 2317 , 0
5 , 1
1
=

=
+ i
x
% 24 , 5 % 100
3303 , 1
4 , 1 3303 , 1
= -

=
a
c
Metode Secant (Ex.)
Langkah 1
1. x
i-1
= 1.4 f(x
i-1
) = 0,0952
x
i
= 1,3303 f(x
i
) = 0,0125

2.

3.
( ) ( )
( ) ( )
3206 , 1
0125 , 0 2317 , 0
3303 , 1 5 , 1 0125 , 0
3303 , 1
1
=

=
+ i
x
% 7 , 0 % 100
3206 , 1
3303 , 1 3206 , 1
= -

=
a
c
Metode Secant (Ex.)
Iterasi x
i+1
c
a
%
1 1.3303 5.24
2 1.3206 0.7
Jika dibandingkan dengan Newton Raphson dengan
akar = 1,3191 dan c
a
= 0,03%, maka metode Secant
lebih cepat, tapi tingkat kesalahannya lebih besar
Komputasi Numerik :
Persamaan Non Linier
For
Mhs. Teknologi Bioproses
FTUI

Metode Tabel
Metode Biseksi
Metode Regula Falsi
Metode Iterasi Sederhana
Metode Newton-Raphson
Metode Secant.

Persamaan Non Linier
penentuan akar-akar persamaan non linier.
Akar sebuah persamaan f(x) =0 adalah nilai-nilai
x yang menyebabkan nilai f(x) sama dengan nol.
akar persamaan f(x) adalah titik potong antara
kurva f(x) dan sumbu X.
Persamaan Non Linier
akar persamaan f(x)
Sumbu x
Kurva f(x)
Penyelesaian persamaan linier mx + c = 0
dimana m dan c adalah konstanta, dapat
dihitung dengan :
mx + c = 0
x = -

Penyelesaian persamaan kuadrat ax
2
+ bx + c =
0 dapat dihitung dengan menggunakan rumus
ABC.

Persamaan Non Linier
m
c
a
ac b b
x
2
4
2
12

=
Metode Tertutup
Mencari akar pada range [a,b] tertentu
Dalam range[a,b] dipastikan terdapat satu akar
Hasil selalu konvergen disebut juga metode
konvergen

Metode Terbuka
Diperlukan tebakan awal
x
n
dipakai untuk menghitung x
n+1
Hasil dapat konvergen atau divergen
Penyelesaian Persamaan Non
Linier
Metode Tabel
Metode Biseksi
Metode Regula Falsi
Metode Tertutup
Metode Iterasi Sederhana
Metode Newton-Raphson
Metode Secant.
Metode Terbuka
Theorema
Suatu range x=[a,b] mempunyai akar bila f(a) dan f(b)
berlawanan tanda atau memenuhi f(a).f(b)<0
Theorema di atas dapat dijelaskan dengan grafik-grafik
sebagai berikut:
Karena f(a).f(b)<0 maka pada range
x=[a,b] terdapat akar.
Karena f(a).f(b)>0 maka pada range
x=[a,b] tidak dapat dikatakan terdapat
akar.
Metode Table
Metode Table atau
pembagian area.

Dimana untuk x di antara a
dan b dibagi sebanyak N
bagian dan pada masing-
masing bagian dihitung nilai
f(x) sehingga diperoleh tabel
:
X f(x)
x
0
=a f(a)
x
1
f(x
1
)
x
2
f(x
2
)
x
3
f(x
3
)

x
n
=b f(b)
Metode Table
Contoh
Selesaikan persamaan : x+e
x

= 0 dengan range x =

Untuk mendapatkan
penyelesaian dari persamaan
di atas range x =
dibagi menjadi 10 bagian
sehingga diperoleh :
X f(x)
-1,0 -0,63212
-0,9 -0,49343
-0,8 -0,35067
-0,7 -0,20341
-0,6 -0,05119
-0,5 0,10653
-0,4 0,27032
-0,3 0,44082
-0,2 0,61873
-0,1 0,80484
0,0 1,00000
| | 0 , 1
| | 0 , 1
Dari table diperoleh penyelesaian berada di
antara 0,6 dan 0,5 dengan nilai f(x) masing-
masing -0,0512 dan 0,1065, sehingga dapat
diambil keputusan penyelesaiannya di x=-0,6.

Bila pada range x =
dibagi 10 maka diperoleh f(x) terdekat dengan
nol pada x = -0,57 dengan F(x) = 0,00447
Contoh
| | 5 , 0 , 6 , 0
Metode table ini secara umum sulit
mendapatkan penyelesaian dengan error yang
kecil, karena itu metode ini tidak digunakan
dalam penyelesaian persamaan non linier
Tetapi metode ini digunakan sebagai taksiran
awal mengetahui area penyelesaian yang benar
sebelum menggunakan metode yang lebih baik
dalam menentukan penyelesaian.
Kelemahan Metode Table
Ide awal metode ini adalah metode table,
dimana area dibagi menjadi N bagian.

Hanya saja metode biseksi ini membagi range
menjadi 2 bagian, dari dua bagian ini dipilih
bagian mana yang mengandung dan bagian
yang tidak mengandung akar dibuang.Hal ini
dilakukan berulang-ulang hingga diperoleh akar
persamaan.
Metode Biseksi
Untuk menggunakan metode biseksi, terlebih dahulu ditentukan batas bawah (a) dan
batas atas (b).Kemudian dihitung nilai tengah :

x =


Dari nilai x ini perlu dilakukan pengecekan keberadaan akar. Secara matematik,
suatu range terdapat akar persamaan bila f(a) dan f(b) berlawanan tanda atau
dituliskan :
f(a) . f(b) < 0


Setelah diketahui dibagian mana terdapat akar, maka batas bawah dan batas atas di
perbaharui sesuai dengan range dari bagian yang mempunyai akar.
Metode Biseksi
2
b a +
Algoritma Biseksi
Contoh Soal
Selesaikan persamaan xe
-x
+1 = 0, dengan
menggunakan range x=[-1,0], maka diperoleh
tabel biseksi sebagai berikut :
Dimana x =

Pada iterasi ke 10 diperoleh x = -0.56738 dan
f(x) = -0.00066

Untuk menghentikan iterasi, dapat dilakukan dengan
menggunakan toleransi error atau iterasi maksimum.

Catatan :
Dengan menggunakan metode biseksi dengan tolerasi
error 0.001 dibutuhkan 10 iterasi, semakin teliti (kecil
toleransi errorny) maka semakin besar jumlah iterasi yang
dibutuhkan.
Contoh Soal
2
b a +
metode pencarian akar persamaan dengan
memanfaatkan kemiringan dan selisih tinggi dari dua
titik batas range.

Dua titik a dan b pada fungsi f(x) digunakan untuk
mengestimasi posisi c dari akar interpolasi linier.

Dikenal dengan metode False Position



Metode Regula Falsi
Metode Regula Falsi
Metode Regula Falsi
x b
b f
a b
a f b f

0 ) ( ) ( ) (
) ( ) (
) )( (
a f b f
a b b f
b x

=
) ( ) (
) ( ) (
a f b f
a bf b af
x

=
Algoritma Metode Regula Falsi
Selesaikan persamaan xe
-x
+1=0 pada range x= [0,-1]
Contoh Soal






Akar persamaan diperoleh di x=-0.56741 dengan
kesalahan =0,00074

Contoh Soal
Metode iterasi sederhana adalah metode yang
memisahkan x dengan sebagian x yang lain
sehingga diperoleh : x = g(x).
Contoh :
x e
x
= 0 ubah
x = e
x
atau g(x) = e
x

g(x) inilah yang menjadi dasar iterasi pada
metode iterasi sederhana ini
Metode Iterasi Sederhana
Metode Iterasi Sederhana
Contoh :
Carilah akar pers f(x) = x
2
-2x-3
x
2
-2x-3 = 0
X
2
= 2x + 3
Tebakan awal = 4
E = 0.00001
Hasil = 3



3 2 + = x x
3 2
1
+ =
+ n n
x x
Contoh :
x
2
-2x-3 = 0
X(x-2) = 3
X = 3 /(x-2)
Tebakan awal = 4
E = 0.00001
Hasil = -1


Contoh :
x
2
-2x-3 = 0
X = (x
2
-3)/2
Tebakan awal = 4
E = 0.00001
Hasil divergen

Pada range I = [s-h, s+h] dengan s titik tetap
Jika 0<g(x)<1 untuk setiap x I iterasi konvergen
monoton.
Jika -1<g(x)<0 untuk setiap x I iterasi konvergen
berosilasi.
Jika g(x)>1 untuk setiap x I, maka iterasi divergen
monoton.
Jika g(x)<-1 untuk setiap x I, maka iterasi divergen
berosilasi.
Syarat Konvergensi






Tebakan awal 4
G(4) = 0.1508 < 1
Konvergen Monoton


3 2 2
1
) ( '
3 2 ) (
3 2
1
+
=
+ =
+ =
+
r
r
r r
x
x g
x x g
x x
Tebakan awal 4
G(4) = |-0.75| < 1
Konvergen Berisolasi


2
1
) 2 (
3
) ( '
) 2 (
3
) (
) 2 (
3

=
+
x
x g
x
x g
x
x
r
r



Tebakan awal 4
G(4) = 4 > 1
Divergen Monoton


x x g
x
x g
=

=
) ( '
2
) 3 (
) (
2
Apa yang terjadi dengan pemilihan x
0
pada
pencarian akar persamaan :
X
3
+ 6x 3 = 0
Dengan x


Cari akar persamaan dengan x
0
= 0.5
X
0
= 1.5, x
0
= 2.2, x
0
= 2.7
Latihan Soal
6
3
3
1
+
=
+
r
r
x
x
Contoh :
metode pendekatan yang menggunakan satu titik
awal dan mendekatinya dengan memperhatikan
slope atau gradien pada titik tersebut. Titik
pendekatan ke n+1 dituliskan dengan :
Metode Newton Raphson
X
n+1
= x
n
-
( )
( )
n
n
x F
x F
1

1. Definisikan fungsi f(x) dan f
1
(x)
2. Tentukan toleransi error (e) dan iterasi maksimum (n)
3. Tentukan nilai pendekatan awal x
0

4. Hitung f(x
0
) dan f

(x
0
)
5. Untuk iterasi I = 1 s/d n atau |f(x
i
)|> e
Hitung f(x
i
) dan f
1
(x
i
)




6. Akar persamaan adalah nilai x
i
yang terakhir diperoleh.

Algoritma Metode Newton
Raphson
( )
( )
i
i
i i
x f
x f
x x
1
1
=
+
Selesaikan persamaan x - e
-x
= 0 dengan titik pendekatan awal x
0

=0
f(x) = x - e
-x
f(x)=1+e
-x

f(x
0
) = 0 - e
-0
= -1
f(x
0
) = 1 + e
-0
= 2



Contoh Soal
( )
( )
5 , 0
2
1
0
0
1
0
0 1
=

= =
x f
x f
x x
f(x
1
) = -0,106631 dan f
1
(x
1
) = 1,60653

x
2
=

f(x
2
) = -0,00130451 dan f
1
(x
2
) = 1,56762

x
3
=

f(x
3
) = -1,96.10
-7
. Suatu bilangan yang sangat kecil. Sehingga
akar persamaan x = 0,567143.


( )
( )
566311 , 0
60653 , 1
106531 , 0
5 , 0
1
1
1
1
=

=
x f
x f
x
( )
( )
567143 , 0
56762 , 1
00130451 , 0
566311 , 0
2
1
2
2
=

=
x f
x f
x
Contoh
x - e
-x
= 0 x
0
=0, e = 0.00001






x + e
-x
cos x -2 = 0 x
0
=1
f(x) = x + e
-x
cos x - 2
f(x) = 1 e
-x
cos x e
-x
sin x
akar persamaan f(x)
f(x) = x + e
-x
cos x - 2
Metode ini tidak dapat
digunakan ketika titik
pendekatannya berada pada
titik ekstrim atau titik puncak,
karena pada titik ini nilai F
1
(x)
= 0 sehingga nilai penyebut
dari sama dengan nol,
secara grafis dapat dilihat
seperti pada gambar.
Permasalahan pada pemakaian metode newton
raphson
Bila titik pendekatan berada
pada titik puncak, maka titik
selanjutnya akan berada di
tak berhingga.
( )
( ) x F
x F
1
Metode ini menjadi sulit atau
lama mendapatkan penyelesaian
ketika titik pendekatannya berada
di antara dua titik stasioner.

Bila titik pendekatan berada pada
dua tiitik puncak akan dapat
mengakibatkan hilangnya
penyelesaian (divergensi). Hal ini
disebabkan titik selanjutnya
berada pada salah satu titik
puncak atau arah pendekatannya
berbeda.

Permasalahan pada pemakaian
metode newton raphson
Hasil Tidak Konvergen
1. Bila titik pendekatan berada pada titik puncak maka titik
pendekatan tersebut harus di geser sedikit, x
i
= x
i
dimana adalah konstanta yang ditentukan dengan
demikian dan metode newton raphson tetap
dapat berjalan.

2. Untuk menghindari titik-titik pendekatan yang berada
jauh, sebaiknya pemakaian metode newton raphson ini
didahului oleh metode tabel, sehingga dapat di jamin
konvergensi dari metode newton raphson.

Penyelesaian Permasalahan pada
pemakaian metode newton raphson
o
o
( ) 0
1
=
i
x F
Contoh Soal
x . e
-x
+ cos(2x) = 0 x
0
= 0,176281
f(x) = x . e
-x
+ cos(2x)
f1(x) = (1-x) e
-x
2 sin (2x)
F(x
0
) = 1,086282
F
1
(x
0
) = -0,000015
X = 71365,2
padahal dalam range 0
sampai dengan 1 terdapat
akar di sekitar 0.5 s/d 1.
Tititk-titik posisi akar-akar persamaan f(x)
Adanya puncak-puncak kurva
f(x) = x . e
-x
+ cos(2x)
Contoh Soal
Untuk menghindari hal ini sebaiknya digunakan grafik atau
tabel sehingga dapat diperoleh pendekatan awal yang baik.
Digunakan pendekatan awal x
0
=0.5
x
Contoh Soal
Hasil dari penyelesaian persamaan
x * exp(-x) + cos(2x) = 0 pada range [0,5]

Contoh
Hitunglah akar dengan metode Newthon Raphson. Gunakan
e=0.00001. Tebakan awal akar x
0
= 1

Penyelesaian



Prosedur iterasi Newthon Raphson
2
5 ) ( x e x f
x
=
2
5 ) ( x e x f
x
=
x e x f
x
10 ) ( ' =
x e
x e
x x
x
x
r r
10
5
2
1

=
+
0 1 -2.28172
1 0.686651 -0.370399
2 0.610741 -0.0232286
3 0.605296 -0.000121011
4 0.605267 -3.35649e-009
Akar terletak di x = 0.605267

Akar terletak di x = 0.605267
x e
x e
x x
x
x
r r
10
5
2
1

=
+
2
5 ) ( x e x f
x
=
Metode Newton Raphson memerlukan perhitungan
turunan fungsi f(x).
Tidak semua fungsi mudah dicari turunannya
terutama fungsi yang bentuknya rumit.
Turunan fungsi dapat dihilangkan dengan cara
menggantinya dengan bentuk lain yang ekivalen
Modifikasi metode Newton Raphson dinamakan
metode Secant.

Metode Secant
1 + r
x
1 r
x
r
x
1
1
) ( ) (
) ( '

=
V
V
=
r r
r r
x x
x f x f
x
y
x f
) ( '
) (
1
r
r
r r
x f
x f
x x =
+
) ( ) (
) )( (
1
1
1

=
r r
r r r
r r
x f x f
x x x f
x x
Metode Newton-Raphson



Algoritma Metode Secant :
Definisikan fungsi F(x)

Definisikan torelansi error (e) dan iterasi maksimum (n)

Masukkan dua nilai pendekatan awal yang di antaranya terdapat akar
yaitu x0 dan x1, sebaiknya gunakan metode tabel atau grafis untuk
menjamin titik pendakatannya adalah titik pendekatan yang
konvergensinya pada akar persamaan yang diharapkan.

Hitung F(x0) dan F(x1) sebagai y0 dan y1

Untuk iterasi I = 1 s/d n atau |F(xi)|


hitung y
i+1
= F(x
i+1
)

Akar persamaan adalah nilai x yang terakhir.


1
1
1

=
i i
i i
i i i
y y
x x
y x x
Contoh Soal
Penyelesaian
x
2
(x + 1) e
-x
= 0 ?
Penentuan nilai maksimal dan minimal fungsi
non linier
Perhitungan nilai konstanta pada matrik dan
determinan, yang biasanya muncul dalam
permasalahan sistem linier, bisa digunakan
untuk menghitung nilai eigen
Penentuan titik potong beberapa fungsi non
linier, yang banyak digunakan untuk keperluan
perhitungan-perhitungan secara grafis.
Contoh Kasus Penyelesaian
Persamaan Non Linier
nilai maksimal dan minimal dari f(x)
memenuhi f(x)=0.
g(x)=f(x) g(x)=0
Menentukan nilai maksimal atau minimal
f(x)
Penentuan Nilai Maksimal dan
Minimal Fungsi Non Linier
Contoh Soal
Tentukan nilai minimal dari f(x) = x
2
-(x+1)e
-2x
+1
-0.5
0
0.5
1
1.5
2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x**2-(x+1)*exp(-2*x)+1
nilai minimal terletak antara 0.4 dan 0.2
Menghitung Titik Potong 2 Buah
Kurva
x
y
y=f(x)
y=g(x)
p
f(x) = g(x)
atau
f(x) g(x) = 0
Contoh Soal
Tentukan titik potong y=2x
3
-x dan y=e
-x
-1
-0.5
0
0.5
1
1.5
2
2.5
3
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
2*x**3-x
exp(-x)
akar terletak di antara 0.8 dan 1
Tahun 1225 Leonardo da Pisa mencari akar persamaan
F(x) = x
3
+ 2x
2
+ 10x 20 = 0
Dan menemukan x = 1.368808107.
Tidak seorangpun yang mengetahui cara Leonardo
menemukan nilai ini. Sekarang rahasia ini dapat
dipecahkan dengan metode iterasi sederhana.
Carilah salah satu dari kemungkinan x = g(x). Lalu
dengan memberikan sembarang input awal, tentukan
x=g(x) yang mana yang menghasilkan akar persamaan
yang ditemukan Leonardo itu.
Soal (1)
Soal (2)
Hitung akar 27 dan akar 50 dengan biseksi dan regula falsi !
Bandingkan ke dua metode tersebut ! Mana yang lebih
cepat ?
Catat hasil uji coba


a b N e
Iterasi
Biseksi
Iterasi
Regula Falsi
0.1
0.01
0.001
0.0001
Tentukan nilai puncak pada kurva y = x
2
+ e
-2x
sin(x)
pada range x=[0,10]
Dengan metode newthon raphson

Tentukan nilai puncak pada kurva y = x
2
+ e
-
2x
sin(x) pada range x=[0,10]
Dengan metode newthon raphson

Soal (3)
Tugas-Tugas (Tugas -2)
Tugas boleh dikerjakan secara individu atau hasil kerjasama kelompok.
Namun setiap mahasiswa harus tetap mengerjakan sendiri.
Tugas boleh ditulis tangan atau ketikan komputer, Pembuatan kurva
grafik/tabel maupun program boleh menggunakan komputer, diprint dan
diprint.
Berpegang pada Buku acuan kuliah :
Buku 1: Steven C, Chapra dan Raymond P. Canale,Metode
Numerik untuk Teknik, Penerbit UI Press, jakarta, 1991.
Atau
Buku 2 : Steven C, Chapra dan Raymond P. Canale,Numerical
Methods for Engineers, Sixth edition, McGrawHill, New
York, 2012 (Pdf Format)
Kerjakan Soal Bab 4, Pilih minimal 3 soal dari Soal No. 4.1 s/d 4.12
Kerjakan Soal Bab 5, Pilih minimal 3 soal dari Soal No. 5.1 s/d 5.17
Dikumpulkan paling lambat 14 Maret 2014 secara serempak dan
dimasukkan Loker
Metode Tebakan
awal
Laju
konversi
relatif
Stabilitas Akurasi Luas
aplikasi
Upaya
pemrograman
Komentar
Langsung - - - - Sangat
terbatas
- -
Grafik - - - Kurang Akar
sesung-
guhnya
- Memakan
waktu lebih
banyak
daripada
metode
numerik
Bagidua 2 Perlahan Selalu
konvergen
Baik Akar
sesung-
guhnya
Mudah -
Regula
Falsi
2 Sedang Selalu
konvergen
Baik Akar
sesung-
guhnya
Mudah -
Iterasi
satu titik
1 Perlahan Bisa
divergen
Baik Umum Mudah -
Newton-
Raphson
1 Cepat Bisa
divergen
Baik Umum,
dibatasi
jika
f(x)=0
Mudah Memerlukan
evaluasi
f(x)
Modifikasi
Newton-
Raphson
1 Cepat
bagi akar
berganda;
sedang
bagi akar
tunggal
Bisa
divergen
Baik Umum,
didesain
khusus
bagi akar
berganda
Mudah Memerlukan
evaluasi
f(x) dan
f(x)
Secant 2 Sedang
hingga
cepat
Bisa
divergen
Baik Umum Mudah Tebakan
awal tak
harus
mengurung
akar
Modifikasi
Secant
1 Sedang
hingga
cepat
Bisa
divergen
Baik Umum Mudah -

Perbandingan Pelbagai Metode.
Dari pelbagai metode dapat disajikan dalam tabel berikut